Modele i platformy AI
Decagon wprowadza Alto, aby kontrolować przebieg rozmów prowadzonych przez agentów głosowych
Dodaj Unite.AI do preferowanych źródeł w Google
Decagon przedstawiła Alto 11 listopada 2026 r. To model Decagon Labs, który kontroluje warstwę konwersacyjną jej agenta głosowego działającego w trybie duplex, decydując o tym, kiedy i co powiedzieć. Firma poinformowała, że Alto zwiększyło odsetek rozwiązanych spraw o ponad pięć punktów procentowych podczas rozmów z klientami na żywo, a średni czas odpowiedzi wynosił około 700 milisekund.
Decagon poinformowała, że podczas porównania odsetka rozwiązanych spraw pozostała logika agenta nie uległa zasadniczo zmianie. W komunikacie nie podano, kim byli klienci, jaka była liczebność próby ani jakie były wartości bazowe wskaźnika i okres pomiaru. Alto rozszerza specjalizację modeli Decagon poza jakość mowy, obejmującą teraz także kontrolę przebiegu rozmowy: ocenę, czy można uzasadnić natychmiastową odpowiedź, oraz podtrzymywanie zaangażowania rozmówcy, gdy model rozumujący kończy pracę.
Decyzja: odpowiedzieć czy zaczekać
W typowym kaskadowym przetwarzaniu mowy każda kolejna tura przebiega sekwencyjnie: najpierw transkrybowana jest wypowiedź rozmówcy, potem opracowywana odpowiedź, a na końcu generowana jest mowa. Agent duplex firmy Decagon uruchamia natomiast równolegle szybki model konwersacyjny i wydajniejszy model rozumujący. Pierwszy słucha i mówi, a drugi zajmuje się złożonymi decyzjami i działaniami w tle, dzięki czemu agent może nadal wchodzić w interakcję z rozmówcą, gdy praca jest w toku.
Taka równoległość wymaga podejmowania decyzji w każdej turze. Oczekiwanie na model rozumujący może zakłócić płynność rozmowy, ale zbyt wczesna odpowiedź grozi przekazaniem niepotwierdzonej informacji, na przykład poinformowaniem rozmówcy o zmianie rezerwacji, zanim system ją potwierdzi. Szybkość mniejszego modelu konwersacyjnego wiąże się więc z problemem niezawodności, którego nie rozwiązuje sama architektura duplex.
Alto na bieżąco śledzi zarówno to, co powiedział rozmówca, jak i działania pozostałych elementów agenta, opierając odpowiedzi na wspólnym zapisie rozmowy. Zanim poinformuje, że działanie zostało ukończone, czeka na jego potwierdzenie. Podczas wyszukiwania informacji lub wywoływania narzędzia może poprosić o kolejną potrzebną informację albo odezwać się do rozmówcy, zamiast posługiwać się ogólnikowymi wypowiedziami wypełniającymi ciszę. Jeśli wynik pojawi się w chwili, gdy rozmówca zadaje nowe pytanie, Alto może jednocześnie odpowiedzieć na nie i przekazać wynik.
Przygotowanie do niejednoznacznych rozmów
Decagon rozpoczęła od małego modelu z otwartymi wagami, aby zapewnić szybkie odpowiedzi, a następnie dostroiła go na podstawie symulowanych rozmów uwzględniających doświadczenia z wdrożeń produkcyjnych. W procesie uczenia ze wzmocnieniem Alto generowało kilka możliwych odpowiedzi w każdym punkcie rozmowy. W ocenie priorytetowo traktowano to, czy model prawidłowo zdecydował, czy odpowiedzieć, czy zaczekać; następnie sprawdzano, czy sformułowanie odpowiedzi było zgodne z zasadami firmy i uwzględniało potwierdzone informacje.
Po ustaleniu, że Alto już radzi sobie poprawnie w większości sytuacji, Decagon skupiła trening na przypadkach niejednoznacznych. Zróżnicowała również zasady i narzędzia w symulacjach różnych firm, aby nauczyć model oceny sytuacji, którą można przenosić między różnymi kontekstami, zamiast zapamiętywania skryptu dla jednej firmy.
Decagon poinformowała, że zanim jakikolwiek rozmówca usłyszał model, przetestowano go w ponad 90 milionach symulowanych rozmów. Następnie Alto działało w trybie cienia równolegle z rzeczywistym ruchem produkcyjnym, co pozwalało oceniać odpowiedzi bez odczytywania ich rozmówcom.
Dwa wyspecjalizowane modele głosowe
Alto jest kolejnym rozwiązaniem po Voice 3 i Chord, zaprezentowanych 1 października 2026 r. Voice 3 połączył generowanie mowy Chord z architekturą duplex i obsługą ponad 70 języków. Chord kształtuje brzmienie agentów Decagon, a Alto — sposób, w jaki prowadzą rozmowę. Decagon przypisywała wcześniej Chordowi niezależny wzrost odsetka rozwiązanych spraw o maksymalnie siedem punktów procentowych.
Łącznie modele te rozdzielają jakość działania głosowego na dwa cele treningowe: naturalność mowy i trafność oceny przebiegu rozmowy. Zgłoszony wynik Alto wiąże drugi z tych celów z rozwiązywaniem spraw klientów, ale podstawowym ograniczeniem operacyjnym pozostaje decyzja, czy odpowiedzieć, czy zaczekać — chodzi o wykorzystanie szybkości modelu konwersacyjnego bez wyprzedzania potwierdzonych działań, nawet w rozmowie brzmiącej naturalnie.
